UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN

DIVISIÓN DE MATEMÁTICAS E INGENIERÍAS

LICENCIATURA EN ACTUARÍA
PROGRAMA DE ASIGNATURA

CLAVE SEMESTRE
PROBABILIDAD II
- 5º
 

HORAS HORAS
HORAS HORAS
MODALIDAD CARÁCTER TIPO AL POR CRÉDITOS
TEÓRICAS PRÁCTICAS
SEMESTRE SEMANA
Teórico-
Curso Obligatorio 96 6 4 2 10
práctica

FASE DE FORMACIÓN Básica

ÁREA DE CONOCIMIENTO Probabilidad y Estadística

SERIACIÓN Sí (x) No ( ) Obligatoria (x) Indicativa (x)

Estadística I (Obligatoria)
SERIACIÓN ANTECEDENTE
Cálculo Diferencial e Integral IV (Indicativa)
Procesos Estocásticos I (Obligatoria)
SERIACIÓN SUBSECUENTE
Estadística III (Indicativa)

OBJETIVO GENERAL
El alumno aplicará conceptos de la teoría de la probabilidad para la construcción y análisis de modelos inducidos
por variables aleatorias.

ÍNDICE TEMÁTICO HORAS

UNIDAD TEMA TEÓRICAS PRÁCTICAS
1 Espacios de medida de probabilidad 16 8
2 Variables y vectores aleatorios como funciones medibles 16 8
3 Función característica y teoremas límite 16 8
4 Convergencia de variables aleatorias 16 8
Total de horas: 64 32
Suma total de horas: 96
HORAS
UNIDADES OBJETIVO PARTICULAR
T P
16 8 1. Espacios de medida de probabilidad El alumno analizará el concepto de espacio
1.1. Sigma-álgebras y conjuntos de Borel de probabilidad como caso particular
1.2. Límites de sucesiones de eventos de los espacios de medida y deducirá propiedades
1.3. Medida de probabilidad y propiedades básicas.
básicas
1.4. Lema de Borel-Cantelli
1.5. Completación y producto de espacios
de probabilidad
16 8 2. Variables y vectores aleatorios como El alumno explicará la relación funcional
funciones medibles entre la distribución de probabilidad conjunta
2.1. Función medible y propiedades básicas y sus distribuciones marginales
2.2. Sigma-álgebras inducidas por variables así como su aplicación en la construcción
y vectores aleatorios y análisis de modelos de probabilidad
2.3. Función de distribución conjunta multivariados.
y Teorema de Sklar
2.4. Funciones cópula y construcción
de modelos de probabilidad
multivariados
2.5. Medidas de concordancia
(Kendall, Spearman) y dependencia
(Schweizer-Wolff, Hoeffding)
16 8 3. Función característica y teoremas límite El alumno analizará las propiedades básicas
3.1. Definición y propiedades básicas de la función característica asociada
3.2. Teorema de inversión a una variable aleatoria y su aplicación
3.3. Teorema de continuidad para la demostración de teoremas límite.
3.4. Convergencia en distribución
y ley de grandes números
3.5. Teorema central del límite
16 8 4. Convergencia de variables aleatorias El alumno analizará diversos modos
4.1. Más modos de convergencia: en de convergencia de variables aleatorias
probabilidad, casi segura y r-ésima y los aplicará en la demostración de leyes
media de grandes números.
4.2. Relaciones entre los distintos modos de
convergencia
4.3. Ley débil de grandes números
4.4. Ley fuerte de grandes números
TOTAL
64 32
96

SUGERENCIAS DIDÁCTICAS SUGERENCIAS DE EVALUACIÓN

• Análisis de lecturas • Ejercicios en clase
• Empleo de medios audiovisuales • Elaboración de un trabajo de aplicación
• Exposiciones docentes individual o grupal
• Exposiciones de los alumnos, supervisadas • Exámenes finales
• por el profesor • Exámenes parciales
• Participación en técnicas grupales • Participación en clase
• Realización de ejercicios con apoyo • Tareas
computacional, utilizando software como Maple,
Mathematica, MATLAB o algún software libre
• Resolución de exámenes ante el grupo
• Resolución de problemas
 BIBLIOGRAFÍA
BÁSICA
• Domínguez Martínez, J.I. (2001). Diseño y análisis de modelos de probabilidad. México D.F: Grupo Editorial
Iberoamérica.
• García Álvarez, M.A. (2005).Introducción a la teoría de la probabilidad (segundo curso). México D.F: Fondo
de Cultura Económica.
• Grimmett, G.R., Stirzaker, D.R. (2001). Probability and random processes. Oxford: Oxford University Press.
• Nelsen, R.B. (2006). An introduction to copulas.Nueva York: Springer.
• Rincón, L. (2007). Curso intermedio de probabilidad. México D.F: Facultad de Ciencias UNAM.
COMPLEMENTARIA
• Ash, R.B. (2000). Probability and measure theory. London: Academic Press.
• Billingsley, P. (1986). Probability and measure. New York: Wiley.
• Chung, K.L. (2001). A course in probability theory. London: Academic Press.

PERFIL PROFESIOGRÁFICO
Licenciado en Actuaría, Estadística o Matemáticas, preferentemente con posgrado en ciencias matemáticas.